moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2026.55.4.022 2255 Алгоритм функционирования программно-аппаратной подсистемы биометрической идентификации на основе анализа клавиатурного почерка Algorithm for the operation of a software-hardware subsystem for biometric identification based on keystroke dynamics analysis 0000-0002-1894-8065 Шкляр Евгений Вадимович Shklyar Evgeniy Vadimovich evgeniy.shklyar@yandex.ru aff-1 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им В.И. Ульянова-Ленина Saint Petersburg Electrotechnical University "LETI" named after V.I. Ulyanov (Lenin) 01 01 2026 1 1 10.26102/2310-6018/2026.55.4.022 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В настоящей работе представлен алгоритм функционирования программно-аппаратной подсистемы биометрической идентификации на основе анализа клавиатурного почерка. Система поддерживает режим идентификации (1:N) и режим верификации (1:1) в соответствии с ГОСТ Р 54412–2019. Обзор современной научной литературы по теме исследования показал, что биометрические системы могут использовать различные характеристики, такие как скорость печати или время набора пар клавиш. Выявлено, что аппаратные средства позволяют повысить точность захвата временных интервалов между нажатиями последовательных пар клавиш (биграмм), однако отсутствуют решения, соответствующие ГОСТ Р 54412–2019. Алгоритм обеспечивает полный цикл обработки в распределенной архитектуре, включающей клиент, сервер и аппаратный модуль на базе Arduino. Проведена оценка модели на соответствие требованиям стандарта, доказана устойчивость работы на платформе ATmega32U4. Показана эффективность интеграции в биометрические системы за счет поддержки онлайн и офлайн режимов работы. Время сравнения составляет ≤ 190 мс, а потребление памяти ~1,9 Кб. Описана возможность использования модели в подсистеме обработки сигнала и принятия решений с применением метрик сходства распределений. Результаты исследования могут быть использованы при разработке систем биометрической идентификации, соответствующих ГОСТ, обеспечивающих защиту доступа без модификации клиентских операционных систем.

This paper presents an algorithm for the operation of a software-hardware subsystem for biometric identification based on keystroke dynamics analysis. The system supports identification mode (1:N) and verification mode (1:1) in accordance with GOST R 54412–2019. A review of current scientific literature indicates that biometric systems can utilize various features, such as typing speed or digraph entry times. It was found that hardware solutions improve the accuracy of capturing time intervals between consecutive key presses (digraphs); however, no existing solutions comply with GOST R 54412–2019. The proposed algorithm ensures a complete processing cycle within a distributed architecture comprising a client, a server, and an Arduino-based hardware module. The model was evaluated for compliance with standard requirements, demonstrating robust performance on the ATmega32U4 platform. Integration efficiency into biometric systems is shown through support for both online and offline modes. Comparison time is ≤ 190 ms, with memory consumption of approximately 1.9 KB. The applicability of the model in signal processing and decision-making subsystems using distribution similarity metrics is described. These results can be employed in developing GOST-compliant biometric identification systems that secure access without modifying client operating systems.

 клавиатурный почерк идентификация биометрия математическая модель биометрический контрольный шаблон keystroke dynamics identification biometrics mathematical model biometric reference Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Шкляр Е.В., Шульженко А.Д. Математическая модель биометрического контрольного шаблона клавиатурного почерка. Моделирование, оптимизация и информационные технологии. 2026;14(1). https://doi.org/10.26102/2310-6018/2026.52.1.001 Довгаль В.А. Особенности захвата параметров клавиатурного почерка. Вестник Адыгейского государственного университета. Серия: Естественно-математические и технические науки. 2017;(2):102–108. Иванов Д.А., Никитин А.П. Противодействие анализу клавиатурного почерка. Вестник РГГУ. Серия: Документоведение и архивоведение. Информатика. Защита информации и информационная безопасность. 2014;(11):178–183. Шарипов Р.Р., Катасев А.С., Кирпичников А.П. Методы анализа клавиатурного почерка пользователей с использованием эталонных гауссовских сигналов. Вестник Технологического университета. 2016;19(13):157–160. Ulinskas M., Woźniak M., Damaševičius R. Analysis of Keystroke Dynamics for Fatigue Recognition. In: Computational Science and Its Applications – ICCSA 2017: Proceedings: Part V: 17th International Conference, 03–06 July 2017, Trieste, Italy. Cham: Springer; 2017. P. 235–247. https://doi.org/10.1007/978-3-319-62404-4_18 Monaco J.V., Tappert Ch.C. The partially observable hidden Markov model and its application to keystroke dynamics. Pattern Recognition. 2018;76:449–462. https://doi.org/10.1016/j.patcog.2017.11.021 Shadman R., Wahab A.A., Manno M., et al. Keystroke Dynamics: Concepts, Techniques, and Applications. ACM Computing Surveys. 2025;57(11). https://doi.org/10.1145/3733103 Senerath D., Tharinda S., Vishvajith M., et al. BehaveFormer: A Framework with Spatio-Temporal Dual Attention Transformers for IMU-Enhanced Keystroke Dynamics. In: 2023 IEEE International Joint Conference on Biometrics (IJCB), 25–28 September 2023, Ljubljana, Slovenia. IEEE; 2023. P. 1–9. https://doi.org/10.1109/IJCB57857.2023.10448997 Шкляр Е.В. Алгоритм формирования списка слов с заданным распределением биграмм для регистрации биометрических контрольных шаблонов клавиатурного почерка. Безопасность информационных технологий. 2025;32(3):74–89. Roy S., Pradhan J., Kumar A., et al. A Systematic Literature Review on Latest Keystroke Dynamics Based Models. IEEE Access. 2022;10:92192–92236. https://doi.org/10.1109/ACCESS.2022.3197756

The authors declare that there are no conflicts of interest present.